Аннотация
В условиях промышленного птицеводства повышение точности, объективности и воспроизводимости контроля качества яиц является актуальной задачей, поскольку традиционные методы сортировки, основанные преимущественно на массе продукта, не учитывают совокупность морфологических и физических характеристик, таких как форма, объем и плотность. Это приводит к снижению достоверности классификации, особенно в пограничных зонах категорий, и ограничивает возможности технологического контроля, а также негативно влияет на эффективность последующих производственных процессов. В рамках проведённого исследования использован комплекс методов неразрушающего контроля, включающий измерение массы, использование систем машинного зрения и алгоритмов цифровой обработки изображений для определения геометрических параметров яйца. На основе полученных данных дополнительно рассчитывались показатели объема и плотности, позволяющие расширить критерии оценки качества. Для классификации использованы алгоритмы нечеткой логики, обеспечивающие учет неопределенности измерений и вариабельности биологических объектов. Экспериментальные исследования проведены на выборке из 760 яиц различных категорий. Проведённые испытания показали, что разработанная система обеспечивает стабильную работу в поточном режиме с производительностью до 3600 яиц в час при сохранении требуемой точности измерений. Применение нечеткой логики позволило повысить точность сортировки до 95,7 %, что на 15–20 % превышает показатели традиционных методов. Дополнительно выявлено, что учет геометрических параметров позволяет выявлять отклонения формы и плотности, не фиксируемые при стандартной весовой сортировке. Практическая апробация показала эффективность предложенного подхода и могут быть использованы при разработке автоматизированных систем технологического контроля и сортировки яиц, а также адаптированы для других видов сельскохозяйственной продукции в условиях реального производства.
01 Введение
Полный текст статьи доступен для скачивания в формате PDF на панели справа.
02 Список литературы
- Alikhanov J., Penchev S.M., Georgieva T.D., Moldazhanov A.K., Kulmakhambetova A.T., Shynybay Zh., Stefanov E., Daskalov P.I. (2019). Design and performance of an automatic egg sorting system based on computer vision. // TEM Journal. 2019. Pр. 1319–1325. https://dx.doi.org/10.18421/TEM84-31
- Dejian Dai, Tao Jiang, Wei Lu, Xuan Shen, Rui Xiu and Jingwei Zhang (2020). Nondestructive Detection for Egg Freshness Based on Hyperspectral Scattering Image Combined with Ensemble Learning. Sensors 2020. 20(19). 5484. https://doi.org/10.3390/s20195484
- Kunshan Yao, Jun Sun, Chen Chen, Min Xu, Xin Zhou, Yan Cao, Yan Tian (2022). Non-destructive detection of egg qualities based on hyperspectral imaging // Journal of Food Engineering. Volume 325. July 2022. https://doi.org/10.1016/j.jfoodeng.2022.111024
- Moldazhanov A., Alikhanov D., Kulmakhambetova A., Zinchenko D., Azizov A. (2021). Metodika i rezul’taty eksperimental’nykh issledovanii algoritma i programmy opredeleniya pokazatelei kachestva yaitsa na avtomatizirovannoi optiko-elektronnoi ustanovke // Izdenister Natigeler. 2021. No. 3 (91). Рp. 112–124. https://doi.org/10.37884/3-2021/13 [in Russian]
- GOST 31654–2012. Yaytsa kurinye pishchevye. Tekhnicheskie usloviya. Mezhgosudarstvennyi standart stran EES. https://prg.kz/document/?doc_id=31467698 [in Russ.]
- Intarakumthornchai T., Kesvarakul R. (2020). Double yolk eggs detection using fuzzy logic. PLOS ONE 15(11): e0241888. https://doi.org/10.1371/journal.pone.0241888
- Omid M., Soltani M., Dehrouyeh M.H., Mohtasebi, S.S. & Ahmadi H. (2013). An expert egg grading system based on machine vision and artificial intelligence techniques // Journal of Food Engineering. 118(1). 70–77. https://doi.org/10.1016/j.jfoodeng.2013.03.019
- Yang X., Bist R.B., Subedi S. & Chai L. (2023). A Computer Vision-Based Automatic System for Egg Grading and Defect Detection. Animals (Basel). https://doi.org/10.3390/ani13142354
- Shirmanova G.S., Neverov E.N., Vladimirov A.A., Osintsev A.M., Rudnev P.S. (2025). Razrabotka sistemy komp’yuternogo zreniya dlya nerazrushayushchey otsenki kachestva i klassifikatsii kurinykh yaits // Vestnik Omskogo GAU. 2025. No. 3. (59). https://sciup.org/142245891 [in Russ.]
- Wang Q., Yang Z., Liu C., Sun R., Yue S. (2025). Research Progress on Non-Destructive Testing Technology and Equipment for Poultry Eggshell Quality. Foods. 2025. 14. 2223. https://doi.org/10.3390/foods14132223